驾驭未来：智能体软件的起源和演进

音频围绕开源、智能体软件及相关标准展开，探讨了智能体软件带来的机遇与挑战，分析了 Harness 加模型的发展路径，提出建立标准组织和平台的设想，内容如下：

• 智能体软件带来的机遇与挑战
• 软件发展的新时代
• 智能体改变软件物种：随着智能体加入，软件进入新时代，与传统软件有本质区别。传统软件是指令驱动、确定性的，需基于需求开发，缺乏环境适应性和容错性，而智能体软件无明确目标，可基于意图自主规划和行动，能自我学习进化。
• 软件发展的历史与未来：从全球首位程序员阿达·拉芙蕾丝开始，软件开发历经变迁，如今全球约有 3000 万以软件工程为职业的人。未来软件将泛化，可能实现自然交互，如科幻电影中少用键盘鼠标，更多采用语音交互。
• 竞争格局与社区发展
• 基金会与标准制定：Linux Foundation 成立了 AI 基金会，致力于制定标准。未来社区形式值得探讨，是人的社区还是 agent 的社区，以及 agent 社区的样子、Linux 是否开放等问题受关注。
• 传统软件与智能体的差异：传统软件人驱动迭代，而智能体软件自主性强，能自我学习和进化，这为行业带来新的竞争策略和发展方向。
• 智能体软件的应用场景
• 终端发展场景
• APP 形态的变革：当前安卓生态有三四百万 APP，制约了发展。未来 APP 可能变成个性化暂态，模型输出模态可能改变，能直接写 APP，实现千人千面，用户可按需创造功能。
• 无 APP 手机项目：有项目计划推出无 APP 手机，仅暴露 API 给智能体，通过语音输入，让用户控制智能体产生 APP，去除开发者、SDK 和应用商店等。
• 工业场景
• 工业软件的需求：工业软件需确定性和可靠性，也需容错性，以应对复杂环境。如宇宙飞船上的软件，需智能体进行净化、愈合和自修复，产生未预设的技能。
• AI 在工业软件的应用：AI 已进入自我设计和进化的正向循环，如 Elon Musk 用仿真技术做企业软件，OpenAI 用 12 个月流片成功一款推理芯片。
• Harness 加模型的发展路径
• 大模型的问题与挑战
• 时空衰减特性：Transformer 模型有内生性的时空衰减特性，注意力非线性，远信息关注少，时间反馈误差会积累，导致大规模内存短缺和算力资源倾斜。
• 模型权重问题：模型有效权重可能不到 50%，可修剪大量权重，这是蒸馏的基础，小模型可蒸馏出大模型能力。
• Harness 的优势与应用
• 资源优势：Harness 资源不缺，还可结合人的知识、洞察和指导，在解决问题上有优势。
• 解决模型问题：Harness 可通过存储换算力，回填信息，降低输出误差，通过验证和负反馈维度，纠正模型错误，提高输出质量。
• 降低复杂性与提升质量
• 验证比生成便宜：验证比生成成本低，如数学验证可靠，Rust 编译器输出大量错误信息，提高了语言生成质量。
• 弱模型提升方法：弱模型通过人类反馈和验证，可提高输出质量，只要概率不为 0，多轮迭代可生成正确结果。
• 降低软件复杂性：复杂软件不适合 agent 开发，可将其拆分为小应用，更适合 AI 处理。
• 建立平台与标准的设想
• 美国的情况
• AI 基金会：美国有 AI 基金会，融资规模大，一年会员收入达 1000 万美元，不接受中国做黄金会员，且在定义 MCP、agent MCP 等标准。
• 生态问题：如 Gemini 与安卓的开源可能失去意义，苹果也有其生态，若明年 AI Phone 推出，中国在移动领域缺乏可竞争平台。
• 建立标准组织和平台
• 对标 AI Phone 的标准组织：希望建立 open 组织，结合开源、社区和学术界力量，通过实践驱动，将理论在工业界验证，发表论文，参与联合国标准制定。
• agent 的 OS 平台：期望在 agent 的 OS 上形成类似 OpenCL 的现象级平台，作为未来 agentos 的内核，避免行业分化。
• 后续工作计划
• 探讨合作路径：与社区进一步探讨 Harness 加模型的发展路径，落实在平台、标准和开放生态方面的合作。
• 推动标准建立：积极推进对标 AI Phone 的标准组织建设，以及 agent 的 OS 平台的形成。